app.py

"""
Graded Challenge 5
Nama: Devin Yaung Lee
Batch: HCK-009
program ini untuk mendeploy model
"""

import streamlit as st
import eda
import model

page = st.sidebar.selectbox(label="Select Page:", options=["Home Page", "Exploratory Data Analysis", "Predict Payment"])

if page == "Home Page":
    st.title("Home Page")
    st.write('')
    st.write("Graded Challenge 5")
    st.write("Name  : Devin Yaung Lee")
    st.write("Batch : HCK-009")
    st.write("Aplikasi ini memiliki tujuan utama dari aplikasi ini adalah untuk menampilkan hasil analisis data eksploratori dan untuk memprediksi apakah klien akan gagal membayar tagihan kartu kredit mereka pada bulan berikutnya berdasarkan data yang diberikan oleh pengguna.")
    st.write('')
    st.write('')
    st.write('')

    with st.expander("Background Information"):
        st.caption("Data ini membahas tentang pembayaran kartu kredit pelanggan, dimana tujuan utama dari dashboard ini adalah untuk mengetahui apakah pelanggan melunasi atau terlambat untuk melunasi, dimana ketentuan ini akan dilakukan berdasarkan dari pengisian parameter-parameter yang sudah dilakukan.")
    with st.expander("Conclusion"):
        st.caption("""
        - Data ini memiliki sifat data yang imbalanced, hal ini dapat dilihat 
          dari proses hasil train dan test, sebelum dan sesudah di hyperparameter 
          tuning. Model SVM memiliki peningkatan namun tidak signifikan.
        - Berdasarkan visualisasi, pelanggan yang sudah bayar mendominasi. 
          Edukasi terbanyak adalah Universitas. Gender didominasi oleh wanita, 
          dan untuk status pernikahan lebih banyak yang single.
        - Pemilihan model adalah SVM berdasarkan pengujian dari model 
          Logistic regression, KNN, dan SVM.
        - Analisa credit behaviour menunjukkan 'Use Revolving Credit' paling umum. 
          Kebanyakan pelanggan memilih untuk membayar sebagian tagihan mereka 
          setiap bulan.
        """)

elif page == "Exploratory Data Analysis":
    eda.run() # Calls the run function from eda

else:
    model.run() # Calls the run function from model